生成式AI與學術期刊出版：沖擊及應對

摘 要：以ChatGPT為代表的生成式AI將深刻地影響并改變傳統知識生產體系，海量知識儲備與超強算力在促進學科交叉與融合、加速推動知識生產的同時，也由于學術論文撰寫難度的降低而產生知識泡沫等問題。學術期刊作為知識生產體系的守門人，長期以來形成了嚴謹的審稿刊載流程和期刊品牌風格，在保證人類知識生產體系始終向未知領域探索的同時，也維護人類社會價值體系。學術期刊在生成式AI時代更需要繼續堅持這些特征，才能保證人類知識生產體系的自主性和可靠性。在主動擁抱生成式AI的過程中，學術期刊應繼續將推動知識創新作為核心功能，通過選題策劃引領學術發展方向，同時借助生成式AI的技術手段，輔助稿件審閱和編校，使其所刊載的學術論文始終成為人類知識生產的主力軍。

關鍵詞：知識生產體系；生成式AI；學術期刊；知識泡沫；守門人

中圖分類號：G23 文獻標識碼：A 文章編號：1674-5450（2024）04-0082-09

收稿日期： 2023-12-10

基金項目： 國家社會科學基金一般項目（19BJY013）

作者簡介： 紀小樂，女，山東濟南人，山東大學副編審，經濟學博士，主要從事經濟管理與編輯出版研究；魏建，男，山東濱州人，山東大學教授，博士研究生導師，主要從事法經濟學、制度經濟學與編輯出版研究。

2022年11月，美國OpenAI公司發布的以GPT-3.5為內核的大型語言模型ChatGPT上線僅2個月，活躍用戶突破1個億。ChatGPT作為生成式AI的代表產品，不僅能夠以聊天機器人的形式根據上下文與用戶進行對話，還可以實現文本寫作、計劃定制，乃至程序編寫等各項工作。2023年3月，OpenAI公司又推出了GPT-4，這是深度學習方面最新的里程碑。與GPT-3.5相比，其圖像識別能力更強、回答準確率更高、文本能夠呈現不同風格。

ChatGPT引發了新一輪人工智能熱潮，不僅谷歌、百度等企業迅速推出與ChatGPT類似的競品，其他公司推出Midjourney，Synthesia，Copy.ai等針對圖片、視頻與文案等特定領域的生成式AI產品也在行業內引起巨大反響。作為內容生產技術的巨大創新，生成式AI同樣成為學術創新的重要工具，ChatGPT能夠在極短時間內完成論文框架的構建與相關內容生成，其強大功能甚至引發學術界對ChatGPT替寫論文的極度擔憂，這無疑將對學術期刊產生重要影響。

以ChatGPT為例，從生成式AI技術產生與發展出發，分析其對知識生產體系帶來的沖擊，并在此基礎上探討生成式AI時代期刊出版如何實現高質量發展，是本文的目標所在。

一、生成式AI概說

（一）生成式AI發展脈絡

生成式AI即人工智能生成內容（Artificial Intelligence Generated Content，AIGC），是AI發展的一個重要分支。ChatGPT則是AIGC領域中運用大型語言模型實現自然語言理解、自然語言生成與上下文學習功能的典型產品[1]。這項技術最初可以追溯到20世紀50年代，人工智能之父艾倫·圖靈提出的“模仿游戲”（Imitati-

on Game）作為人工智能的判斷標準開啟了人工智能的相關研究，這一標準也被稱為“圖靈測試”，即當計算機能夠以模仿人類回答的方式回應提問者，并使提問者無法分辨出這一回答是來自計算機還是人類時，計算機可以被認為是智能的[2]。此后，美國麻省理工學院的約瑟夫·維森鮑姆（Joseph Weizenbaum）推出聊天機器人“伊麗莎”（Eliza），可以通過模式匹配的方式來模擬人類對話。在1995年，美國的理查德·華萊士（Richard Wallace）教授又使用人工智能標記語言（AIML）構建聊天機器人“愛麗絲”（Alice），通過啟發式的模式匹配實現計算機與人類的對話，這種模式匹配技術現在依然被廣泛應用于智能客服等領域。但是，由于模式匹配類的技術無法窮盡人類語言中的各種復雜語義，所以底層技術的升級是計算機能夠完全理解并恰當回應人類對話所需的必要條件。機器學習作為新一代底層技術被應用于人工智能領域，在2001年，Active Buddy公司以機器學習為底層技術的聊天機器人“更聰明小孩”（Smarter Child）橫空出世，吸引全球超過3 000萬人與其對話[3]429-481，而這個機器人依然沒能通過圖靈測試。2010年左右，機器學習領域的人工神經網絡技術開始突飛猛進的發展，它通過模擬人腦的神經細胞的信息傳遞方式，能夠更好地模擬人類思維，擊敗世界圍棋冠軍的“阿爾法狗”（AlphaGo）就是基于這一技術開發出來的①。但人工神經網絡由于難以實現大規模并行運算，因而在語義識別方面仍然存在一定欠缺，2017年，谷歌發布的Transformer模型解決了傳統機器學習中訓練時間長、難以較好實現并行計算的問題②，還可以大幅度提升計算效率，這也成為生成式預訓練模型（Generative Pretrained Transformer，GPT）的基本單元與核心組件。

2018年，OpenAI公司基于Transformer模型推出了GPT-1。該模型通過無監督預訓練和有監督模型微調的二段式的訓練，展現強大的泛化能力，能夠通過樣本學習隱含在數據背后的規律，對有相同規律的新數據，GPT-1能夠輸出一個合理的結果。2019年，OpenAI公司推出GPT-2，相比于GPT-1，其使用更多的網絡參數和更大的數據集，從而擁有多任務學習的能力。2020年5月，OpenAI公司繼續推出GPT-3，雖然原理上與前兩代并無太大區別，但與前兩代相比，GPT-3所使用的參數量由1.17億、15億上升至1 750億，預訓練數據量由約5GB、40GB上升至40TB③，這使得GPT-3的性能大幅提升。

以無監督方式進行訓練的GPT-3，由于在訓練過程中并未進行過多人為干預，因此GPT-3

容易出現不當言論。為了使GPT-3能夠更好地與人交流，OpenAI公司通過人類反饋強化學習（Reinforcement Learning from Human Fee-

dback，RLHF）的方式對GPT-3.5（GPT-3的升級版）進行訓練，由此產生了ChatGPT④。具體而言，就是讓人類訓練員對部分GPT-3.5生成的各種結果進行人工評級，這些級別用于創建“獎勵模型”，再使用“獎勵模型”對原始模型進行迭代微調，由此提高模型性能，使之盡可能地模擬人類反饋。而這種人類反饋強化學習的訓練模式，在ChatGPT發布之后仍在持續進行，OpenAI公司允許用戶對ChatGPT的回答投贊成或反對票，并將這些反饋數據用于進一步訓練和微調ChatGPT。ChatGPT因其出色的性能而被稱為強人工智能產品。

（二）生成式AI帶來的影響

2023年3月，OpenAI公司推出了以GPT-

4為內核的ChatGPT，雖然這個產品在許多現實世界場景中的能力不如人類，但在各種專業和學術測試中展示出了超越一般人類水平的表現，如在美國研究生入學考試（Graduate Re-

cord Examination，GRE）文字推理和統一律師資格考試中，GPT-4的表現能夠超越90%的人類。而在與人類的隨意對話中，GPT-3.5 和 GPT-4 之間的區別可能很微妙，但當任務的復雜性達到足夠的閾值時，GPT-4 比 GPT-3.5 更可靠、更有創意，并且能夠處理更細微的指令。GPT-4 還可以接受文本和圖像的指令，并對這類指令與純文本指令并行反饋，完成用戶指定任何視覺或語言任務①。

以ChatGPT為代表的生成式AI作為具有思考力的強人工智能聊天程序，不僅具有與人類近似甚至接近一致的理解能力，更具有超越絕大多數人類的知識儲備和強大算力，一經推出就引發了各行各業的廣泛關注，甚至引發人們對未來的擔憂。ChatGPT不僅在處理煩瑣的文案工作中表現良好，甚至在進行編程、翻譯等相對復雜的工作時也表現出了專業水準[4]?？梢哉f，生成式AI已經或即將廣泛應用于消費端和生產端的各個場景，前者主要包括內容生產、便捷交互、簡化操作，這些應用將會同時對消費者的消費品數量、質量、多樣性，以及擁有的閑暇等因素產生顯著影響；后者則主要體現為加速自動化、通過“組合式創新”促進技術進步，實現對新要素尤其是新數據要素的創造，靠近生產領域的代表性應用有工業設計、藥物研發、材料科學、合成數據等[5]。根據投資銀行高盛（Goldman Sachs）報告，在給全球GDP帶來7%的增長的同時，超過3億個崗位將被生成式AI取代，而超過2/3的工作將受到影響②。根據GhatGPT自身的預測，會計、律師、客服、編輯與行政人員所受影響最大，最容易被生成式AI取代。

二、生成式AI對知識生產體系的沖擊

（一）傳統的知識生產體系

傳統的知識生產體系可以總結為三個要素：創意、知識存量和激勵。在傳統知識生產過程中，三類要素在不同時期起著不同的作用，共同推動著人類知識生產與技術創新。其中，前兩者是依賴學者存在的，是個體或小團體進行知識生產的決定性因素，而激勵機制則使知識生產體系與人類社會其他系統實現耦合，使知識生產體系的“生產—收益”形成正向循環，吸引新一代學者不斷加入知識生產體系中，推動知識持續進步，從而實現人類文明不斷發展。

在這三個要素中，創意作為首要因素是依賴人產生的，就是人們在一定的情境下，受到了環境等因素影響，產生了一個想法，生成一個知識生產創意。中國古代文人曾用“有感而發”“文章本天成，妙手偶得之”等來形容創意的產生過程。不僅文學如此，就連自然科學也是在創意的推動下不斷推進，不論是由蘋果掉落引發牛頓對萬有引力的思考，還是法拉第發現電磁感應現象，均體現出創意在知識生產過程中的重要作用。知識存量是人類自進入文明以來所獲得的知識總和，人類始終把知識積累作為文明、文化傳承最重要的途徑，這是人類社會發展的基石。在紙和印刷術發明之前，人類知識積累速度緩慢、效率低下，只能通過抄書、篆刻、口耳相傳等方式實現知識的積累與傳承，并且這種知識積累難以實現大范圍的傳播，只能由少數人掌握。而印刷術的發明使書籍制作和翻印成本大大降低，不僅降低了知識儲存難度，更極大地提升了知識積累與傳播的效率。知識傳播范圍的擴大，使更多人了解并改進已有知識，從而加速了知識生產。激勵同樣是知識生產過程中的重要因素。在古代，知識生產的激勵是“學而優則仕”，或者通過將發明創造應用于生產中，提升耕種、養殖等生產活動的效率；近代以來，由于分工的細化，知識生產的激勵轉變為學者能夠獲得專利費用、職稱晉升等一系列的物質或精神分配優勢。

青蒿素的發現就是知識生產的典型案例。瘧疾作為一種自古以來就嚴重影響人類生存的疾病，世界各國均投入了大量人力、物力研究治療瘧疾的藥物。但不論是美、英、法、德等大型制藥企業的研發團隊，還是中國的中藥研究團隊，在試驗了多種方法后，仍然無法找到有效藥物。而同時了解西藥和中藥的屠呦呦，在翻閱東晉時期名醫葛洪所著的《肘后備急方》時，發現有一段記載，“青蒿一握，以水二升漬，絞取汁，盡服之”而深受啟發，發現了從青蒿中提取的青蒿素是治療瘧疾的有效成分[6]。屠呦呦發現青蒿素的過程，一方面，與她對于既有知識的掌握密切相關；另一方面，與她在閱讀醫書時受到“絞取汁”啟發，產生了青蒿素可能不耐高溫，需要以低溫進行萃取的創新想法密不可分。這兩種因素的疊加，最終使得“青蒿素治療瘧疾”成為人類獲取的新知識成果。而授予屠呦呦的國家最高科學技術獎、諾貝爾生理學或醫學獎等一系列相關獎勵、榮譽，雖然不是她進行這一知識生產行為的初心，但這種制度配套確保了知識生產體系成為一個正向循環的系統，與人類文明其他生產系統、消費系統實現耦合，激勵一代又一代的學者進入這一系統，從事知識生產工作，推動人類知識儲備不斷擴大。

（二）傳統知識生產的特征

傳統的知識生產體系始終以學者作為知識生產的核心，在教育體系中通過嚴格的培養和遴選機制產生備選學者，備選學者在學術體系中需要經過不斷遴選和評價才能成長為知識權威[7]。學者不僅是創意的主體，還具有大量的知識儲備，能夠對其他學者的知識生產成果進行評價。依靠學者進行知識生產，是人類擁有海量知識的基本路徑，這一傳統的知識生產路徑存在如下特征。

1.以學者為核心的個性化生產

由于社會分工的不同，在傳統知識生產過程中，學者作為知識生產的主體，在其領域擁有大量知識儲備，其通過閱讀書籍、文獻、調研、實踐等方式不斷獲取當前領域的最新知識，根據自己的創意，利用實驗、數據、模型等研究方法，對自己的創意或想法進行證實或證偽，從而推動本領域的知識創新。由于不同學者存在個體差異，因此每個學者不僅在知識儲備、思維方式、技術條件等方面差異巨大，更重要的是學者的思想創意更是千差萬別，因而不同學者產生的知識創新存在明顯差異，是一種個性化的生產方式。而相比于自然科學領域，這種個性化在人文社科領域的知識生產過程中更加鮮明。

2.盡可能多地獲取已有知識存量

知識生產的前提是盡可能多地獲取、理解和掌握已有知識存量。這不僅是創意產生的前提，更重要的是學者能夠通過已有知識衡量新創意恰當與否。充分理解和掌握已有知識并在此基礎上進行創新是學者的核心工作，而對知識存量的學習和掌握既是成為學者的前提條件，也是教育系統進行知識教育的核心目標之一，還是知識生產體系遴選和評價學者的重要標準。而對于一個學術群體而言，掌握本領域已有的知識存量，是學者間進行對話、形成共識的基本要求。在當前的學術生態中，學者以論文的形式將新的知識生產結果進行展示并向學術期刊投稿，由學術期刊編輯、審稿人為代表的學術共同體成員就這一知識生產成果進行創新性和可靠性等質量評價，通過評價的論文被學術期刊發表，由此形成了知識生產的一般流程。而編輯、審稿人進行評價的前提就是他們同樣了解并掌握該領域的已有知識，根據已有知識及邏輯判斷，評價論文是否具有發表價值。可以說，已有知識存量是學術共同體存在的前提條件。

3.在特定平臺公開知識創新成果，并形成知識生產制度系統

以學術期刊為代表的出版平臺是新知識生產成果公開傳播的主要載體。1665年1月由法國參議員創辦的《學者雜志》和1665年3月由英國皇家學會創辦的《哲學匯刊》被認為是世界學術期刊的鼻祖，后者承載了近代西方引領科學革命的最重要成果，包括伊薩克·牛頓的《關于光與色的新理論》、達爾文的地理學研究成果，以及本杰明·富蘭克林在電學實驗方面的發現等。學術期刊的出現打破了封閉的知識傳播體系，使個體研究成果迅速地變成社會化、國際化的成果，并且隨著發展，學術期刊逐漸具有了“首先評價知識，其次傳播知識”的社會功能[8]。這一社會功能則通過由科學家組成的編委會與審稿人得到強化，一篇經過嚴格評審的期刊論文，其“首要功能是作為一種知識聲明，宣布它已經得到了科學家同行的評議和承認”[9]108-113。學術期刊功能從開始時單一的出版傳播功能逐步向篩選、評價、傳播復合功能轉變，而隨著知識生產體系的發展，篩選評價功能的重要性不斷提升。此后，知識產權與學術評價等相關制度體系的建立，使知識生產系統越發龐大，并且與人類社會其他系統密切耦合，最終構成知識傳授（教育）、知識生產（科研）和知識應用（服務）一系列知識密集型活動。

（三）生成式AI帶來的沖擊

以ChatGPT為代表的生成式AI以其超大的知識儲備、超強的算力，一經出現就對人類知識密集型活動產生巨大沖擊。

1.生成式AI深刻地改變了人類知識密集型活動的特征與流程

其一，最直觀的變化就是生成式AI的出現對知識記憶型學習的必要性產生強烈的沖擊，進而對于教育體系產生巨大沖擊。傳授知識是傳統教育體系的主要目標之一，而對知識與技能的掌握需要人類付出大量的時間成本和金錢成本。但當生成式AI出現后，人們只需要接入AI服務就可以獲得想知道的各種知識，無需像以前一樣大量記憶已有知識。目前，知識傳遞的主要場所是學校，生成式AI的出現使人們隨時隨地都可以獲取并學習知識，人們通過對生成式AI進行設定，可以任何語言、任何語氣與AI進行交流。而且，由于任何人類所獲得的知識體量都難以與AI相比，且隨著技術進步，人類與AI之間在知識儲備方面的差距進一步拉大，人類更無需大量記憶已有知識。其二，知識記憶型勞動技能的必要性降低。人們將部分知識形成自己的專有化領域，并形成難以逾越的“知識高墻”，使墻外的人與墻內的人存在較大的知識位差，這種位差是人力資本存量差異的主要因素之一[10]，而由此導致的技術能力和創新能力的差距又進一步引發了工資水平、代際流動的差異。生成式AI能夠顯著縮小人與人在知識積累方面的差距和知識鴻溝[7]，從而極大地縮小由于記憶存儲差異帶來的勞動能力差異。這類勞動技能主要憑借知識位差產生的信息不對稱提供相應服務，法律、會計等諸多行業從業人員就是依賴這種信息不對稱獲取高額回報，生成式AI的出現將使得這種信息不對稱水平大幅降低，對這類職業從業人員產生強烈影響[11]。

2.生成式AI的存在對學者群體產生巨大影響

正如前文所述，成為學者的必要條件之一就是對于本領域知識的充分掌握，而生成式AI的海量知識儲備使那些僅擅長知識積累的人類學者存在的必要性大大降低。以ChatGPT為代表的生成式AI所具有的開放性，擁有人類學者所不可比擬的巨大優勢。以往人類的學者需要通過撰寫文章、發表演講以及接受采訪等方式向社會傳遞個人的知識創新成果，而公眾或個人也只能通過閱讀、觀看或解讀知識權威發表的相關內容獲取相應的認知。而生成式AI的出現則打破了這一傳統的知識傳播路徑。任何人只需要向生成式AI提問，就能隨時隨地以多種形式獲取知識。生成式AI甚至可以將具有一定知識門檻的最新研究成果，以通俗易懂的方式傳遞給任何人。并且這種由AI生成的回答可以綜合多個學科的相關知識，因而可能更具有可靠性，或者是能夠使提問者從多個角度了解相關知識。

3.生成式AI在加速知識生產效率和學科交叉的同時，也產生大量知識泡沫

其一，生成式AI的出現無疑會加快以知識生產為基本目標的學術體系的生產效率。傳統的知識生產過程需要學者進行大量信息和數據的收集整理工作，生成式AI可以協助學者快速完成這些工作，使學者專注于更為核心的創新工作，知識生產效率將實現巨大提升。其二，生成式AI的大量知識儲備能夠極大地拓寬學者的視野，提問回答的方式可以使學者迅速學習新學科的相關知識，加速學科交叉融合的效率。特別是聚焦于特定專業的學者，其可以對生成式AI提出基于本專業的發散式、探究式的問題，從而獲得其他相關學科知識，這就使原來學科間的弱聯系向強聯系轉變。這兩種方式均能夠極大地提升知識生產效率和質量，換言之，學術研究和論文撰寫效率將得到極大提升。與此同時，生成式AI也使得學者僅僅需要發出少許指令或者提示，就可以撰寫各種文檔甚至學術論文，這種完全由生成式AI撰寫的學術論文幾乎沒有知識創新，如果不進行甄別將會形成“知識泡沫”，從而對知識生產體系產生嚴重破壞，而這就對學術期刊這個知識生產體系的“守門員”提出了挑戰。

三、新知識生產體系下的學術期刊應對

（一）期刊如何應對生成式AI——充分發揮篩選功能

總體上看，學術期刊面臨的首要問題是如何對待由生成式AI生成或參與生成的論文。就目前而言，學術期刊對于這一問題看法并不統一，許多期刊如《科學》（Science）刊出了聲明，拒絕作者使用ChatGPT撰寫論文[12]；也有部分期刊如《自然》（Nature）發出聲明，要求作者標注生成式AI在論文中貢獻，但大多數期刊都認為不可以將生成式AI列為作者①。不將以ChatGPT為代表的生成式AI列為論文作者的主要原因在于：就目前技術而言，如果沒有人的參與，即使存儲空間再大、算力再強，生成式AI也不能自動、獨立地完成作品，生成式AI本質上還是人類創作作品的工具[13]。此外，ChatGPT生成的文字成果依賴于自身的數據庫，而數據庫又來源于已有的人類知識，ChatGPT只是把已有知識進行綜合、抽取、重新表述，而并未對知識進行創造，因此也并不享有新的知識生產成果的版權。

遺憾的是，不論學術期刊是否接受有Cha-

tGPT參與的知識生產成果，當前并沒有恰當的機制對生成式AI生成的論文進行有效識別。有研究人員將50份由ChatGPT撰寫的摘要與學者撰寫的摘要混合，分別使用抄襲人工檢測器、人工智能輸出監測器及審稿人進行識別，ChatGPT撰寫的摘要順利通過了抄襲檢測器的檢測，人工智能輸出檢測器和審稿人則分別識別出了66%和68%的ChatGPT生成摘要[14]。這說明生成式AI已經基本具有模仿人類撰寫論文的能力，所生成的學術論文不僅邏輯較為嚴謹，語言表述方面更是能夠超過部分的人類學者，而使用生成式AI對論文語言進行修改、潤色，也已經成為部分學者運用非母語進行學術論文寫作的基本工作流程之一。

那么，在無法阻擋生成式AI參與到知識生產過程的情況下，學術期刊應當如何看待并應對生成式AI對知識生產體系的沖擊呢？在當前情況下，既然學術期刊無法甄別生成式AI是否參與到知識生產過程中，那么只有回歸學術期刊的本源，即以是否符合期刊刊文標準作為判定標準，篩選出具有創新性和思想性的知識生產成果。

1.以論文是否具有創新性作為篩選的第一標準

生成式AI極大地降低了學術論文撰寫難度，但是創意仍為人類所獨有，因此人類始終是推動知識創新的主體。生成式AI通過梳理、組織和重構已有知識，能夠在一定程度上取代學者的角色，并且由于生成式AI學習速度更快，學習能力更強，可以24小時全年無休進行學習與知識生產，其擅長知識收集、整理、綜合，可以說，生成式AI使學術論文撰寫的過程大大簡化。但就目前技術而言，生成式AI無法對人類社會、經濟、科技等各個方面進行觀察，也無法產生知識創意，因而在問題提出方面存在不足，并且由于生成式AI更多是以語義而非邏輯進行知識連接，所以其創意能力不強，那些擅長對已有知識進行匯總的學者將不可避免地會被生成式AI取代，而能夠產生新創意的頂尖學者，生成式AI仍然無法取代其工作。以知識生產成果的創新性作為判定標準，能夠在最大程度上保證知識生產體系始終是向未知領域進行探索。

2.以對學術脈絡的掌握與梳理作為篩選的第二標準

雖然當前已經出現了諸多以生成式AI為內核的學術論文閱讀梳理工具，但生成式AI大多采用語義嵌入的方式，只能對碎片化的知識進行總結，形成邏輯相對簡單的回答。而經過嚴格學術訓練的學者能夠對某一知識領域的發展脈絡進行詳細梳理，實現該領域已有知識存量的系統化和體系化。未經學術訓練的人雖然能夠在生成式AI的協助下撰寫學術論文，但由于自身知識儲備的問題，無法形成知識體系，所撰寫的學術論文可能僅僅是對已有研究進行簡單羅列，無法展現演進脈絡。對已有研究進行系統化、體系化的展現，正是人類知識生產成果的重要特征，特別是在人文社科領域，學術期刊對這一特征尤為看重。

3.以論文是否符合學術期刊的風格與品位作為篩選的第三標準

雖然學術期刊是知識生產成果的刊載平臺，但由于學術期刊是由主編、編輯與期刊外審專家等一群具有不同思想和學術背景的人編撰而成，因此各個學術期刊在長期辦刊過程中形成了自己獨特的風格與品位，即是期刊的特色。相比于科技期刊，這種特色在人文社科期刊領域更為明顯。例如，“‘知出乎爭’這個儒家的遺訓一直是《文史哲》雜志的辦刊理念，所以雜志自創刊號始，幾乎期期都堅持與倡導學術討論”[15]。而一個一以貫之的辦刊理念凝練著主編和編輯的學術品位及眼光，不僅直接影響著選文標準，也塑造了學術期刊的品牌[16]，而這種獨有的、只可意會不可言傳的風格與品位也是人類知識生產體系中所特有的。

上述關于知識生產成果的篩選標準，不僅是學術期刊應對生成式AI沖擊的關鍵，更重要的是體現了學術期刊在生成式AI時代存在的價值和意義。學術期刊只有持續刊載具有創新性、思想性和獨特品位的知識生產成果，展現出與生成式AI回答的明顯區別和獨特價值，才能確保這本學術期刊對作者和讀者始終產生吸引，也確保了該期刊存在的必要性。

（二）學術期刊的新定位——蘊含創新性的可靠信息來源

生成式AI作為一種新型智能工具正在重塑知識生產體系，學術期刊除了適應其存在與發展外，更重要的是要與之融合，保證人類的知識創新不斷進行。由于生成式AI并沒有對知識生產成果進行評價的功能，毫無疑問，學術期刊所具有的衡量知識生產成果創新水平這一核心功能并未被取代。然而，學術期刊在選文、刊文方面的嚴謹性，使得其在生成式AI時代的重要性具有上升趨勢，特別是學術期刊所具有的篩選功能的重要性急劇增加，主要原因是學術期刊的嚴格審稿流程能夠有效減少知識泡沫。在生成式AI的協助下，論文撰寫的難度明顯降低，發出幾條指令，生成式AI就可以根據已有知識成果，通過語義分析迅速整理出符合期刊格式要求的文字成果，這種文字成果符合論文的寫作方式，但主要內容大多來源于對已有成果的拼接、轉述和重復，卻極少包含對未知知識領域的探索?？梢灶A見，在生成式AI時代，這種“論文”生產成本極低、學術價值趨近于零，極易引發知識生產的“泡沫”。在傳統生產過程中，同樣也存在這種似是而非的“論文”，對其有效識別主要依靠學術期刊的論文審稿環節，并嚴重依賴于編輯和審稿人對相關領域的學術進展的長期積累與充足的學術訓練。隨著論文撰寫難度的降低，納入生成式AI的知識生產體系將會更加依賴學術期刊對知識生產的創新性、嚴肅性和可靠性的把關。

與此同時，學術期刊所刊載的知識生產成果也同樣應當成為生成式AI知識庫的重要來源。以ChatGPT為代表的生成式AI在因其能夠迅速反饋而廣受歡迎的同時，也因其反饋質量而飽受詬病。不少ChatGPT的使用者均證實，ChatGTP的反饋內容存在可靠性的問題，甚至存在捏造參考文獻等信息來源的情況。而對這一問題的改進除了對算法進行優化外，更為重要的是應對ChatGPT語料庫的信息進行分級，即按照信息來源的可靠程度賦予不同的權重，從而保證ChatGPT反饋的可靠性。而在眾多文字信息來源的渠道中，學術期刊所刊載的學術成果的可靠性無疑是最高的。因為相比于新聞、博客與其他文字信息，學術論文不僅作者為受過嚴格學術訓練的學者、文字撰寫充滿了邏輯思辨、相關表述引用了大量參考文獻，而且發表過程經過相關學者審閱、質疑與回應，最終還經由專業編輯進行總體把關和編校以減少差錯。這種經過嚴格流程刊載出來的學術論文幾乎是所有文字成果中最為嚴謹的，因此以學術論文作為ChatGPT的主要信息來源能夠有效提升其工作的質量和可靠性。

（三）學術期刊如何實現持續發展——把握知識生產演進方向

隨著人工智能技術的不斷推進，其深度融入知識生產體系的趨勢不會改變，不論學者還是期刊均不可能阻止這一趨勢。在這種情況下，只有接納并且融入這一趨勢，并且依靠人類特有的思維體系和制度設計，才能確保知識創新不斷向前推進。在這一過程中，期刊和期刊編輯承擔著知識創新守門人的重要職責，只有充分發揮期刊和編輯的作用，在合理利用生成式AI的同時，時刻把握著知識生產演進的方向，才能保證人類在知識創新過程中的公平性和自主性。

從技術方面看，充分擁抱生成式AI是歷史的必然選擇，利用生成式AI進行輔助審稿和編輯是學術期刊擁抱人工智能的首要環節。生成式AI的使用必然帶來投稿量的增加，審稿的難度也會因此增加。雖然目前并未存在能夠完全識別人工智能寫作成果的技術，但利用人工智能的信息收集和整理功能能夠輔助編輯判斷文章的創新性。編輯或審稿人利用生成式AI搜索整理已有相關成果，輔助判斷文章相比于已有研究成果的創新點及重要性，由此初步判斷文章價值。此外，人工智能還能夠輔助編校工作，尤其是一些格式化、技術性的編校工作，人工智能相比于人類編輯更具優勢，而這有賴于人工智能企業與期刊界的深入合作。雖然AI只能在一定程度上取代一些基本的編輯職責，當編輯工作涉及對語言、文化和情感的深入理解時，AI系統可能難以完全取代，但這依然能夠在一定程度上解決由審稿量大幅上升導致的工作壓力。

從思想方面看，時刻保持人類主導知識生產方向是學術共同體的職責與使命，學術期刊應當充分發揮引領學術的功能，從出版和發表方面對知識生產進行引導與把握。首先，學術期刊的工作重心更當進一步轉向推動知識創新和風格塑造。傳統學術期刊在推動知識創新過程中，除了最重要的審閱與評價學術成果的功能外，還承擔著宣傳傳播學術成果的功能。而在人工智能時代，學術成果的傳播可能更加依賴于社會關注與人工智能的整理和匯總，但確保選題的前沿性和知識成果的創新性仍是學術期刊的核心價值所在。換言之，學術期刊的篩選功能的重要性相對上升，而傳播功能的重要性相對降低。這一目標的實現，不僅需要學術期刊堅持辦刊理念，持續吸引高創新性的學術成果，更需要期刊編輯能夠在眾多學術論文中識別并篩選出高水平的學術成果。其次，學術期刊應該更加重視選題策劃工作，通過選題策劃實現對學術發展方向的引導。期刊選題經由編委會、期刊主編和編輯的共同參與、策劃與審核，所列選題既有對當下現實問題的關注與回應，更有對未知領域的好奇與探求，因此選題策劃不僅體現著學術期刊對刊文的偏好，更反映出策劃人對于未來學術發展方向的思考。在生成式AI時代，學術期刊應當從歷史與文明的高度上重視選題策劃，這是保證知識生產的方向和主導權時刻掌握在人類手中的重要途徑之一。最后，不論是推動知識創新還是注重選題策劃，都對學術期刊的編委會、主編和編輯提出了更高的要求。學術期刊的辦刊人需要不斷提升自身的學術和專業水平，既能夠準確判斷學術成果的創新水平和學術價值，同時還能夠對期刊的辦刊理念、辦刊風格及相關領域未來發展方向持續思考，通過選題策劃、稿件選取、文章編輯等多種途徑引領知識生產的演進方向。這使得“學者辦刊”“編輯學者化”成為必然，也只有如此，學術期刊才能在人工智能時代更好地發揮學術守門人的角色。

參考文獻：

［1］ 錢力，劉熠，張智雄，等.ChatGPT的技術基礎分析［J］.數據分析與知識發現，2023（3）：6-15.

［2］ Turing A M. Computing Machinery and Intelligence［J］.Mind， 1950（236）： 433-460.

［3］ Ginzburg J， Fernandez R. Computational Models of Dialogue［M］.The Handbook of Computational Linguistics andNatural Language Processing， New Jersey： Wiley Blackwell， 2010.

［4］ Mohammad Aljanabi， Mohanad Yaseen， Ahmed H. Ali. et al. ChatGPT： Open Possibilities［J］.Iraqi Journal for Computer Science and Mathematics， 2023（1）： 62-64.

［5］ 陳永偉.超越ChatGPT：生成式AI的機遇、風險與挑戰［J］.山東大學學報（哲學社會科學版），2023（3）：127-143.

［6］ 王君平.屠呦呦：青蒿素——中醫藥獻給世界的一份禮物［N］.人民日報，2021-02-04（10）.

［7］ 高奇琦，嚴文鋒.知識革命還是教育異化：ChatGPT與教育的未來［J］.新疆師范大學學報（哲學社會科學版），2023（5）：102-112.

［8］ 張耀銘.學術評價存在的問題、成因及其治理［J］.清華大學學報（哲學社會科學版），2015（6）：73-88.

［9］ 克蘭.無形學院：知識在科學共同體內的擴散［M］.劉珺珺，顧昕，王德祿，譯.北京：華夏出版社，1988.

［10］ 劉智勇，李海崢，胡永遠，等.人力資本結構高級化與經濟增長：兼論東中西部地區差距的形成和縮?。跩］.經濟研究，2018（3）：50-63.

［11］ 鄭世林，姚守宇，王春峰.ChatGPT新一代人工智能技術發展的經濟和社會影響［J］.產業經濟評論，2023（3）：5-21.

［12］ Holden H Thorp. ChatGPT is fun， but not an author［J］. Science， 2023（379）： 313.

［13］ 叢立先，李泳霖.生成式AI的作品認定與版權歸屬：以ChatGPT的作品應用場景為例［J］.山東大學學報（哲學社會科學版），2023（4）：171-181.

［14］ Gao C A， Howard M F， Markov S N， et al. Comparing Scientific Abstracts Generated by Chatgpt To Original Abstracts Using an Artificial Intelligence Output Detector， Plagiarism Detector， and Blinded Human Reviewers［J］.bioRxiv， 2022（6）： 75.

［15］ 徐顯明.《文史哲》與山東大學文科建設：《文史哲》創刊50周年獻辭［J］.文史哲，2001（3）：5-12.

［16］ 劉京希.學術期刊的學術史價值及其追求：基于《文史哲》的辦刊實踐［J］.山東社會科學，2022（4）：5-11.

Generative AI and Academic Journal Publishing： Impact and Response

Ji Xiaole， Wei Jian

（Journals of Humanties and Social Sciences， Shandong University， Jinan Shandong 250100）

Abstract：Artificial Intelligence Generated Content（AIGC） represented by ChatGPT will profoundly affect and change the traditional knowledge production system， and its massive knowledge reserve and super computing power will not only promote the intersection and integration of disciplines and accelerate knowledge production， but also produce knowledge bubbles due to the reduction of the difficulty of academic paper writing. As the gatekeeper of the knowledge production system， academic journals have long formed a rigorous review and publication process and journal brand style， which ensure that the human knowledge production system is always exploring unknown areas while conforming to the human social value system. In the era of AIGC， it is more necessary to continue to adhere to these characteristics to ensure the autonomy and reliability of the human knowledge production system. In the process of actively embracing AIGC， academic journals should continue to promote knowledge innovation as their core function， lead the direction of academic development through topic selection and planning， and assist manuscript review and editing with the technical means of AIGC， so that the academic papers published by them will continue to constitute the main force of human knowledge production.

Key words：knowledge production system; AIGC; academic journals; knowledge bubbles; gatekeeper

【責任編輯：劉北蘆 責任校對：李 菁】